Методика разработки системы функционального компьютерного мониторинга

В период с 1988 по 1992 год в клинике военно-полевой хирургии были обследованы 207 пострадавших с тяжелой механической трав­мой, поступивших в клинику по “скорой помощи”.

В результате тщательной проверки данных были удалены наблю­дения с явными техническими погрешностями, а также данные трех пострадавших, которые скончались через короткое время после трав­мы (в течение первых суток). Причиной смерти послужила массив­ная необратимая кровопотеря. Таким образом, для дальнейшего ана­лиза было отобрано 511 блоков наблюдений.

Все они содержали базовый блок, включавший 14 прямых показа­телей: артериальное давление систолическое (мм рт.ст.), артериаль­ное давление диастолическое (мм рт.ст.), частота сердечных сокра­щений (уд/мин) — ЧСС, частота дыхательных движений в одну минуту — ЧД. ударный объем сердца (л) — УО, парциальное давле­ние кислорода в артериальной и венозной крови (мм рт.ст.) — Рао₂ и P₂O₂ ^— соответственно, парциальное давление углекислого газа в артериальной и венозной крови (мм рт.ст.) — Рао₂ и P₂O₂ соот­ветственно, кислотность артериальной и венозной крови — рНа и pHv соответственно, уровень гемоглобина (НЬ) в крови (г/л), насыщение гемоглобина кислородом в артериальной и венозной крови (в процентах) — НbО₂а и Hb0₂v соответственно.

Использование этих показателей позволяет оценить практически все звенья кислородного бюджета и, что представляется особенно важным, изучить взаимосвязь между доставкой кислорода тканям и его потреблением, которая в значительной степени изменяется при развитии эндотоксикоза [5. 8. 20]. После проведения расчетов по со­ответствующим формулам для создания системы функционального компьютерного мониторинга были отобраны следующие прямые и расчетные показатели: ударный индекс (УИ), сердечный индекс (СИ), частота сердечных сокращений (ЧСС), индекс систолической работы левого желудочка сердца (СРЛЖ_И), индекс минутной рабо­ты левого желудочка сердца (МРЛЖ_И), индекс общего перифери­ческого сопротивления (ОПС_И), среднее артериальное давление (АДср), градиент кислорода между артериальной и венозной кро­вью (A-VO^), потребление кислорода (ПО₂), показатели кислотно-основного состояния артериальной и венозной крови — рНа и pHv. показатели парциального давления кислорода и углекислого газа в артериальной и венозной крови Рао₂, Рvо₂, Расо₂, и Pvco₂.

Из перечисленных выше показателей необходимо было с исполь­зованием специального математического аппарата выделить опти­мальное количество признаков, достоверно описывающих данный массив. С этой целью массив данных с указанными выше показате­лями был исследован с помощью метода “главных компонент”. В ре­зультате проведенного анализа были выбраны восемь показателей. обладающих максимальным удельным весом в отобранных “главных компонентах”. Они приведены в табл. 4.1.

После идентификации показателей массив данных был обработан с использованием одной из разновидностей кластерного анализа — кластерного анализа наблюдений.

Таблица 4.1

Удельный вес показателей, отобранных методом главных компонент

———————————————

показатели Удельный вес

———————————————

ЧСС 0,867

АДср 0,558

СИ 0,954

СРЛЖ_И 0.954

PVCO2, 0.800

PVO2 0.900

pHv 0.800

A-VO₂ 0.881

Сущность метода заключается в выделении последовательным методом исходно заданного числа кластеров на основе определенных признаков путем выявления их наиболее устойчивых сочетаний [21]. Сформированное в соответствии с этим n-мерное кластерное пространство (в соответствии с задаваемым числом кластеров) исследуется путем проверки критерием Фишера, является ли выделение достоверным или нет. В ходе проведения кластерного анализа с выделенными нами в итоге предварительного анализа методом “главных компонент” пере­менными были получены следующие результаты (табл. 4.2.).

В таблице приведены сформированные устойчивые кластеры, вы­деленные в ходе анализа. Данные о достоверности разделения этих признаков на указанные кластеры приведены в табл. 4.3. Полученные данные показывают достоверное (р=0.000) выделение этих кластер­ных образований на данном массиве, что подтверждается приведен­ным на рис. 4.1 графиком достоверности различий, полученных при проведении кластерного анализа, в выходных данных программы.

Таблица 4.2